刻意练习7:用SPSS专家建模器自动智能化创建时间序列模型

原创 数据小兵  2019-07-31 08:44  阅读 213 次
视频课程《SPSS统计分析:从入门到实践提高》

收集到2009~2018年共120个月的某男装销售数据,现在希望使用时间序列模型来预测2019年12个月的销售。

首先呢,绘制时间序列图进行观察,如下:

从2009年到2018年,每年销售额在持续上升,存在长期增长的趋势,每一年12个月存在季节波动,10-12月销售提升明细,每年的12月销售达到最高水平,这表明序列存在季节变化规律。

此外,随着年份的增加,每年销售数据最高值和最小值的差距不断拉大。

作为一个服装的运营人员来说,没有必要深入研究时间序列的原理,我们的重心仍然是日常的商品运维及管理,为了最大化发挥软件工具的辅助作用,我们可以直接跳过时间序列的理论,采用SPSS专家建模器的方式来进行时间序列的预测。

所谓专家建模器,实际上它是一个黑盒子,软件会自动且智能化的判断出一个最佳的时间序列模型送给用户使用。中间省略了一系列的基础操作。这样的模块,最大限度的释放用户的精力,使用者不用纠结于背后原理的研究,而把所有的精力都放在模型的应用上。

看一看结果。

SPSS可以实现指数平滑模型,ARIMA模型,当我们采用专家建模器时,软件会自动在所有的模型中筛选并判断,找到一个最佳的,本案例显示,软件采用了温特斯加法模型。

模型预测的质量怎么样呢?和线性回归一样,我们可以简单的看一下决定系数,因为我们这个案例的时间序列存在季节变化和趋势变化,所以看平稳R方更好一些,平稳R方是0.713,意思是说当我们把原始的时间序列平稳化处理之后的R方,指模型能解释因变量变化的百分比例,此处模型能解释因变量的71.3%的变异,看上去还不错。

再看一个指标,MAPE,统计学上把它叫做平均绝对误差百分比,衡量的是原始观测值与预测的差异,此处是17.8%,这个误差是比较大的,我觉得低于10%的话,还可以考虑接受。

MAPE是平均误差,而MaxAPE指的是所有点里面那些最大的APE,考察的是序列里面是不是有个别特殊的极端点,此处MaxAPE为482.4%,太大了这个值,说明序列里面有一些极端的点预测误差很大。

我们把原始观测值,估计值,预测值放在同一个时间序列图来观察,很容易发现,原始感测值里面有一些最大值最小值,和模型估计的结果偏差非常大,这和MaxAPE提示的结论一致。

总体来说,我们构建的温特斯加法模型,模型拟合并不突出,尤其是对极端点的预测误差较大,模型还需要优化。

本文案例数据下载

链接:
https://pan.baidu.com/s/11y4D_Qh81tMSIMj6RbtLvw
提取码: wgp2

任何人在经过一段时间的刻意学习和训练之后,都能使用SPSS完成统计分析任务和基本的数据分析工作,SPSS是最容易入门并熟练掌握的统计分析软件工具,本号推出的SPSS在线视频教程《SPSS从入门到实践提高》长期维护更新,想学习SPSS的读者欢迎加入。

本文地址:http://www.datasoldier.net/archives/1351
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!